冷数据按行归档是TTL 2.0方案，先将冷数据自动归档至OSS对象存储，再基于DELETE的DML操作清理在线表中的冷数据。
名词解释
名词 | 说明 |
冷数据 | 在实例中某些数据库表几乎没有更新，且查询频率非常低的数据。 |
在线表 | 承载在线流量的业务数据表。 |
归档表 | 用于保存已归档数据的表，通常存放在高压缩、低成本的存储介质中，例如OSS。 |
TTL | 全称为“生存时间”（Time To Live），指的是数据在数据库中所能存储的时间长度。在此时间段之后，数据将被自动清理。 |
TTL表 | 所有设置了TTL定义的在线表。 |
TTL列 | TTL定义中用于计算数据有效性的时间列。 |
背景
在实际生产中，有些业务只希望保留最近一段时间的数据（热数据），并对于使用频率很低且不断积累的过期数据（冷数据）采用存储成本更低的方式保存，同时又可以利用这些冷数据进行分析统计业务。综上所述，业务对处理冷数据，主要有以下需求：
可以定时清理冷数据。
更低的冷数据存储成本。
归档后仍然可以供后台业务进行分析统计。
PolarDB-X提供了冷数据归档（TTL）能力，可以有效地解决上述问题。
基于列存索引的冷数据归档
优势
PolarDB-X结合列存索引提供了行级冷数据归档方案，其具有以下明显特点：
高压缩率：列存索引针对表中每个列的数据类型选择最优的数据压缩算法，从而实现整表数据存储的高压缩率。更多信息，请参见列存索引（CCI）。
实时性高、强一致性：列存索引通过订阅主实例的增量Binlog，以保持与主表的实时同步。
低存储成本：列存索引支持转存至OSS，其存储成本很低，具有良好的性价比。更多信息，请参见对象存储（OSS）。
一体化透明HTAP能力：可以提供完全兼容MySQL的一体化透明HTAP能力，使业务能够在同一系统中同时进行事务处理和数据分析，无需复杂的架构调整。更多信息，请参见混合负载（HTAP)。
方案概述
PolarDB-X冷数据归档并没有采用其它云数据库产品常用的“一边归档、一边清理”归档方案，而是采用了“提前归档、定期清理”的归档方案：
提前归档：在线表被TTL定义后，列存节点会基于该表的全量数据生成对应的列存索引，并转存至OSS中。同时，订阅在线表的Binlog，将增量数据也实时存入OSS中。如下图所示：
定期清理：在线表的所有数据完成归档后，TTL提供了清理在线表中已归档数据的能力（具体操作，请参见TTL表过期数据清理），清理操作不会对已归档至OSS的数据产生任何影响。
方案详述
冷数据归档
在TTL 2.0中，创建TTL表对应的归档表时，其本质是在创建列存索引的过程，期间列存节点不仅会基于快照读将TTL表的存量数据上传至归档表的OSS存储中，还会实时订阅TTL表的Binlog，以此实时执行增量数据的行转列转换，并上传增量更新到归档表的OSS存储中。如下图所示：
说明上图归档阶段运行的具体步骤如下：
检查在线表是否存在TTL定义。
在线表的TTL定义，需要您手动通过DDL设置，该过程主要用于定义过期时间列以及数据过期时间间隔。具体操作，请参见TTL表的定义及创建。
为TTL表（当前在线表存在TTL定义）创建用于保存冷数据的归档表。具体操作，请参见归档表语法说明。
系统自动在TTL表之上创建一个归档专用的列存索引（高压缩低成本OSS存储）。
该列存索引自动将TTL表的存量数据上传到OSS进行存储。
该列存索引将实时订阅TTL表的Binlog，以实时执行增量数据的行转列转换，并上传增量更新到归档表的OSS存储中。
冷数据清理算法
TTL表采用的是“由远及近分批清理”的清理算法，从最早的数据开始清理，每次只清理固定时间范围的数据。更多信息，请参见TTL表过期数据清理。
假设当前时间为2023-10-01，在线表只需要保存最近1个月的数据，清理流程如下图所示：
说明Day 1：
TTL定义的时间列其最小时间值为2022-10-05（MinValue），再根据清理的时间范围（CleanupDataInterval，本例中为3个月。更多信息，请参见调整清理时间范围。）得出本次清理的范围为2022-10-05≤Time＜2023-01-01。以此类推其他清理范围分别是2023-01-01≤Time＜2023-04-01、2023-04-01≤Time＜2023-07-01、2023-07-01≤Time＜2023-09-01。
Day 2：
同Day 1，清理时间列满足2023-01-01≤Time＜2023-04-01条件的数据，即2023-04-01为本次清理任务的上边界（CleanupUpperBound）。
Day 3：
同Day 1，清理时间列满足2023-04-01≤Time＜2023-07-01条件的数据，即2023-07-01为本次清理任务的上边界（CleanupUpperBound）。
Day 4：
与之前略有不同，清理时间列满足2023-07-01≤Time＜2023-09-01条件的数据，时间范围为2个月。因为上图中假设的当前时间为2023-10-01（Now），且TTL表被设置为保留最近1个月（ExpiredDataInterval，TTL表的数据存活时间）的数据，所以本次只能清理2023-09-01之前的数据，即2023-09-01为本次清理任务的上边界（CleanupUpperBound）。
综上所述，可以得出每次清理任务的上边界（CleanupUpperBound）的计算公式为CleanupUpperBound=Min(MinValue+CleanupDataInterval,Now−ExpiredDataInterval)。
归档表冷数据清理（可选）
随着时间推移归档表所保存的冷数据越来越多，您可能需要对归档表中的冷数据进行定期清理，以减少存储压力。冷数据被归档后，数据会被转存到归档表的OSS存储中。归档表会按TTL表中的TTL列自动进行
Range分区。其原理如下图所示：
说明由于归档表的冷数据都已按归档的TTL定义的列进行了Range分区，所以您可以直接使用分区变更语法（比如，删除分区）来清理归档数据。具体操作，请参见删除分区。